Wyniki wyszukiwania - BazEkon

1

Prognozowanie wielkości sprzedaży z wykorzystaniem sztucznych sieci neuronowych na przykładzie przedsiębiorstwa branży kwiatowej

100%

Jurczyk K., Kutyba A.

Logistyka

|

2015

|

nr 2, CD 1

323-333

W pracy zaprezentowano możliwość zastosowania sztucznych sieci neuronowych jako narzędzia wspomagającego prognozowanie wielkości sprzedaży kwiatów ciętych w Hurtowni Żywej Zieleni. Poza zaproponowanym modelem neuronowym zostały omówione podstawowe informacje związane z tematyką sztucznych sieci neuronowych - omówiono zasadę działania sztucznych sieci neuronowych, architektury sztucznych sieci neuronowych oraz proces uczenia sieci. (abstrakt oryginalny)

2

Anthropometric Predictors and Artificial Neural Networks in the Diagnosis of Hypertension

100%

Pytel K., Nawarycz T., Ostrowska-Nawarycz L., Drygas W.

Annals of Computer Science and Information Systems

|

2015

|

5

287-290

Artificial Neural Networks (ANNs) play a vital role in the medical field in solving various health problems like estimating the risk of cardiovascular diseases. The article concerns the process of developing ANNs for estimating the risk of arterial hypertension. ANNs proposed in this article use anthropometrical predictors, easy to control for everybody at home without special equipment. In the article we analyze four different models of ANNs and try to find out which model and set of anthropometrical predictors estimates the risk the most accurately. We use dataset of 2485 real cases of patients from the city of Lodz. The experiment was done in the Matlab environment. The performance of the proposed method in terms of accuracy and facility of use shows that ANNs can be effective tools for preliminary tests of arterial hypertension. (original abstract)

3

Zastosowanie sztucznych sieci neuronowych w procesie tworzenia mapy wartości gruntów

100%

Budzyński T.

Studia i Materiały Towarzystwa Naukowego Nieruchomości

|

2011

|

19

|

nr 3

192-203

W referacie przedstawiono możliwości zastosowania sztucznych sieci neuronowych w procesie sporządzania mapy wartości gruntów typu obiektowego w podejściu modelowym. W pierwszej jego części zawarto podstawowe zasady sporządzania ww. rodzaju mapy a także budowy modeli sztucznych sieci neuronowych. W drugiej części referatu opisano proces sporządzania mapy wartości gruntów, przeznaczonych pod zabudowę mieszkaniową jednorodzinną dla fragmentu gminy Wołomin. W procesie tworzenia mapy, do określenia jednostkowej wartości gruntów w danej strefie wykorzystano sztuczne sieci neuronowe typu MLP - perceptron wielowarstwowy oraz RBF - sieci o radialnych funkcjach bazowych. W podsumowaniu opracowania przedstawiono korzyści jak i zagrożenia płynące z zastosowania sztucznych sieci neuronowych w procesie sporządzania mapy wartości gruntów. (abstrakt oryginalny)

4

Some Engineering Applications of ANN in CAD

100%

Kiczkowiak T., Grymek S.

Management and Production Engineering Review

|

2010

|

1

|

nr 2

32-37

A theory of the Computer Aided Design systems (CAD) has been one of the main targets of our research for many years. Generally CAD software is used for algorithmic tasks: calculations (e.g. optimisation or simulation), storage and searching for data in databases and edition of drawings and texts. However, many tasks are unsupported. Recently, a feasibility of Artificial Intelligence (AI) to improve CAD systems, especially Artificial Neural Networks (ANN), has been widely considered. This paper presents application of ANN: for calculation and selection of pneumatic control valve in optimisation of pneumatic driving system and in optimisation of seat suspension system. It is argued that the proposed technique is better than any other commercial method, since in both the optimisation of pneumatic driving system and the optimisation of seat suspension system the optimisation process was many times shorter providing equally valuable optimisation task solutions. In conclusion, it is postulated that ANNs give an opportunity to create improved CAD systems. (original abstract)

5

Preprocessing danych uczących w neuronowych zagadnieniach regresyjnych

100%

Kowalik M., Trzepieciński T.

Logistyka

|

2015

|

nr 4, CD 2

4201-4207

W pracy przedstawiono metody optymalizacji liczby zmiennych wejściowych sieci neuronowej na podstawie wyników badania tarcia metodą przeciągania pasa blachy ze zginaniem, która służy do modelowania zjawiska tarcia na progu ciągowym podczas wytłaczania blach. Badaniom poddano po trzy gatunki blach mosiężnych, stalowych oraz ze stopu aluminium. Optymalizację liczby zmiennych wejściowych dokonano za pomocą metod selekcji krokowej wstecznej oraz postępującej a także za pomocą algorytmów genetycznych. Na podstawie określonej w każdej z zastosowanych technik optymalizacyjnych liczby zmiennych zbudowano modele regresyjne sieci wielowarstwowej. W zakresie wprowadzanych wartości kary jednostkowej dla każdego z testowanych algorytmów zaobserwowano lokalne minimum wartości błędu sieci dla zbioru uczącego. Wysoką wartość błędu sieci przy dużej liczbie zmiennych można wytłumaczyć szumem wprowadzanym przez zmienne, które mogą być w pewnych zakresach ich wartości ze sobą skorelowane. Wysoka wartość miernika korelacji przy niskiej wartości S. D. Ratio dla zbioru uczącego świadczy o dobrych własnościach aproksymacyjnych zbudowanych sieci neuronowych.(abstrakt oryginalny)

6

Modelowanie neuronowe w zastosowaniu do oceny zarządzania konfiguracją w logistyce

100%

Świderski A., Pokora W.

Gospodarka Materiałowa i Logistyka

|

2014

|

nr 5 (CD)

500-511

Właściwe zarządzanie konfiguracją usług logistycznych ma bezpośredni wpływ na ich jakość. W artykule przedstawiono problematykę modelowania matematycznego eksperckiej oceny zarządzania konfiguracją usług logistycznych, jako narzędzia wspomagającego podejmowanie decyzji. Przedstawiona metoda modelowania oparta jest na wykorzystaniu sztucznych sieci neuronowych. (abstrakt oryginalny)

7

Zastosowanie sztucznych sieci neuronowych do hybrydowego modelowania i prognozowania szeregów czasowych

100%

Perzyńska J.

Folia Pomeranae Universitatis Technologiae Stetinensis. Oeconomica

|

2018

|

nr 93

57-68

W artykule przedstawiono hybrydową metodę budowy modeli szeregów czasowych, z wykorzystaniem sztucznych sieci neuronowych. Ilustracją rozważań o charakterze teoretycznym jest przykład empiryczny, w którym modelowaniu i prognozowaniu poddano zmienną mikroekonomiczną charakteryzującą się występowaniem trendu i wahań sezonowych o silnym natężeniu. W pierwszym etapie badań dokonano identyfikacji wzorców w szeregu czasowym, z wykorzystaniem samoorganizującej się sieci Kohonena. Następnie zastosowano autorską modyfikację metody identyfikacji wzorców i dla wyodrębnionych w ten sposób fragmentów szeregu zbudowano modele perceptronów wielowarstwowych. W ostatnim etapie badań, na podstawie modeli perceptronowych, wyznaczono prognozy; ich jakość oceniono na podstawie średnich błędów ex post. Przeprowadzone badania potwierdziły użyteczność hybrydowych modeli neuronowych w prognozowaniu szeregów czasowych.(abstrakt oryginalny)

8

Graphical Simulation Environment for Learning of Deep Neural Network Models

100%

Grosicki M.

Logistyka

|

2014

|

nr 6, CD 3

4207-4215

Poniższy artykuł prezentuje graficzne środowisko symulacyjne dla uczenia modeli głębokich sztucznych sieci neuronowych zwane MMSim. Prezentowane oprogramowanie pozwala na uczenie i wizualizację procesu uczenia różnych modeli sztucznych sieci neuronowych takich jak wielowarstwowy perceptron, neuronowe auto********enkodery i ograniczone maszyny Boltzmanna. Poniższy artykuł zawiera opis zaimplementowanych modeli sieci neuronowych i prezentuje przykład użycia MMSim. Zaprezentowane w artykule oprogramowanie może być użyteczne nie tylko dla badaczy, ale być może przede wszystkim dla studentów, którzy zaczynają uczyć się na temat sztucznych sieci neuronowych i ucznia maszynowego. MMSim może być wykorzystane jako główne narzędzie podczas zajęć z przedmiotów związanych ze sztucznymi sieciami neuronowymi. Oprogramowanie pozwala na łatwą konfigurację, ewaluację oraz porównanie różnych modeli oraz tego samego modelu wytrenowanego przy użyciu różnych parametrów. (abstrakt oryginalny)

9

Prognozowanie kondycji przedsiębiorstw z wykorzystaniem sztucznych sieci neuronowych

75%

Burda A.

Barometr Regionalny

|

2006

|

nr 2(6)

67-75

Prognozowanie kondycji ekonomiczno-finansowej podmiotów gospodarczych jest od lat szeroko studiowanym zagadnieniem teoretycznym, głównie za przyczyną banków, które przy podejmowaniu decyzji kredytowych są szczególnie zainteresowane oceną klienta w tym kontekście. Większość badaczy dokonuje próby klasyfikacji przedsiębiorstw wg schematu bankructwo - przetrwanie. W przypadku tworzenia modeli metodami indukcyjnymi, co będzie treścią tego artykułu, tak prowadzone badania wymagają zgromadzenia istotnych informacji o przedsiębiorstwach, które trwają na rynku i podobny co do liczebności zbiór informacji o firmach, które zgodnie z lokalnym prawodawstwem można uznać za bankrutów.(fragment tekstu)

10

Budowa prognoz kombinowanych z wykorzystaniem sztucznych sieci neuronowych

75%

Perzyńska J.

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu

|

2010

|

nr 103 Prognozowanie w zarządzaniu firmą

133-145

W artykule przedstawiono metodę budowy liniowych prognoz kombinowanych wykorzystującą sztuczne sieci neuronowe. Ilustracją rozważań o charakterze teoretycznym jest przykład empiryczny, w którym prognozy indywidualne i kombinowane wyznaczono dla zmiennej ekonomicznej z wahaniami sezonowymi. Dokładność ex post prognoz kombinowanych zbudowanych z wykorzystaniem sztucznych sieci neuronowych porównano z dokładnością ich prognoz składowych oraz prognoz kombinowanych otrzymanych metodami ekonometrycznymi. (abstrakt oryginalny)

11

Obliczanie współczynnika strat liniowych λ za pomocą sztucznych sieci neuronowych

75%

Dawidowicz J.

Ekonomia i Środowisko

|

2013

|

nr 4 (47)

177-186

W niniejszej pracy podjęto próbę zastosowania sztucznych sieci neuronowych do obliczeń współczynnika strat liniowych λ. Stosowany w Polsce wzór Colebrooka-White'a wymaga użycia metody iteracyjnej, która wydłuża czas obliczeń. Odpowiednio sporządzona sieć neuronowa może to zadanie realizować znacznie szybciej(fragment tekstu)

12

Próba neuronowego wspomagania decyzji na giełdach towarowych (na przykładzie giełdy metali szlachetnych)

75%

Nowiński M.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu

|

1999

|

nr 810 Współczesne tendencje rozwojowe badań operacyjnych

103-114

W referacie, będącym rozwinięciem pracy zaprezentowanej na Ogólnopolskiej Konferencji Metod i Zastosowań Badań Operacyjnych w Ustroniu w roku 1997, przedstawiono wyniki badań autora dotyczące zastosowania algorytmu optymalizującego strukturę i wagi sieci neuronowych AGWIN do prognozowania przyszłych cen metali szlachetnych (cen pojedynczych oraz ich ciągów o liczebności od trzech do pięciu elementów) w oparciu o zgromadzone wieloletnie zestawy danych z giełd towarowych zajmujących się obrotem metalami szlachetnymi i strategicznymi (złoto, srebro, platyna, pallad, miedź). Wykorzystany program komputerowy AGWIN (zrealizowany i testowany wspólnie przez badaczy polskich i francuskich z Uniwersytetu im. L. Pasteura w Strasbourgu oraz Akademii Ekonomicznej we Wrocławiu) został wzbogacony o elementy optymalizacji genetycznej w celu zwiększenia jego efektywności. Badania objęły również próby prognozowania konkretnych decyzji typu kupuj, czekaj, sprzedaj lub typu kupuj, czekaj oraz sprzedaj, czekaj w орагспко dane przetworzone według wskazówek maklerów i analizatorów działalności giełdowej. (fragment tekstu)

13

Zastosowanie samouczącego się trzypunktowego minimodelu do modelowania stopy bezrobocia w Polsce

75%

Piegat A., Wąsikowska B., Korzeń M.

Zeszyty Naukowe Uniwersytetu Szczecińskiego. Studia Informatica

|

2011

|

nr 27 Informatyka, technologie-społeczeństwo-zastosowania

59-69

W gospodarce każdego kraju istnieje wiele funkcyjnych, wielowymiarowych zależności ekonomicznych typu y = f(x1, x2, ..., xn). W ostatnim dwudziestoleciu coraz częściej dokonuje się identyfikacji zależności ekonomicznych z użyciem sztucznych sieci neuronowych1. Neuronowe modele zależności funkcyjnych są modelami samouczącymi się, które potrafią dopasować powierzchnię neuronowego modelu do posiadanych próbek uczących - realizują więc proces samoadaptacji. I tak przykładowo, opracowano model neuronowy dla stopy bezrobocia w Polsce oraz neuronowy model dla produkcji sprzedanej przemysłu.(fragment tekstu)

14

Metody reprezentacji danych stosowane w modelowaniu neuronowym

75%

Lula P.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia

|

1999

|

6

|

nr 817 Klasyfikacja i analiza danych : teoria i zastosowania

196-202

W referacie scharakteryzowano metody reprezentacji zmiennych stosowane w modelowaniu neuronowym. Zwrócono uwagę na wady i zalety każdej techniki. Rozważania zilustrowane są przykładem pokazującym wpływ doboru metody reprezentacji na jakość modelu opisującego kształtowanie się cen mieszkań. Należy zaznaczyć, że zaprezentowane wyniki badań empirycznych mają charakter ilustracyjny i nie powinny stanowić podstawy do uogólnień dotyczących porównywanych metod reprezentacji. (fragment tekstu)

15

Wykorzystanie metod sztucznej inteligencji w tworzeniu pojazdów autonomicznych

75%

Kociemba D.

Zarządzanie Innowacyjne w Gospodarce i Biznesie

|

2019

|

nr 1 (28)

171-188

Artykuł poświęcony został zagadnieniom sztucznej inteligencji i wchodzących w jej zakres sztucznych sieci neuronowych uprzednio scharakteryzowanych, które zostały wykorzystane w tworzeniu pojazdów autonomicznych. Autor skupia się na historycznym aspekcie, począwszy od osiągnięć człowieka w naukach humanistycznych, czego przykładem mogą być historie pochodzące z mitologii starożytnej Greków, poprzez osiągnięcia techniczne, wśród których można wymienić projekty mechanicznych ramion (manipulatorów). W dalszej części artykułu autor omawia prawny aspekt sztucznej inteligencji, posiłkując się rozporządzeniami Parlamentu Europejskiego, komunikatami Komisji do Parlamentu Europejskiego, rezolucjami Parlamentu Europejskiego, a także nowelizacjami ustaw stworzonych przez polskiego ustawodawcę. Zaprezentowane zostały poziomy autonomizacji pojazdów, jej definicja, jak również korzyści wynikające z wykluczenia człowieka z prowadzenia samochodów w przyszłości. (abstrakt oryginalny)

16

Artificial Neural Networks vs Spatial Regression Approach in Property Valuation

75%

Przekop D.

Central European Journal of Economic Modelling and Econometrics (CEJEME)

|

2022

|

14

|

nr 2

199-223

The purpose of this paper is to compare two approaches applied in property valuation: artificial neural networks and spatial regression. Despite the fact that artificial neural networks are often the first choice for modeling in the big data era, spatial econometrics methods offer incorporation of information on dependences between multiple objects in the studied space. Although this dependency structure can be incorporated into artificial neural network via feature engineering, this study is focused on abilities of reproducing it with machine learning method from crude coordinate data. The research is based on the database of 18,166 property sale transactions in Warsaw, Poland. According to this study, such volume of data does not allow artificial neural networks to compete in reflecting spatial dependence structure with spatial regression models. (original abstract)

17

The Study of the Influence of Architecture on Effectiveness of Deep Neural Networks Training

75%

Kolbusz J., Różycki P., Bartczak T.

Zeszyty Naukowe Uczelni Vistula

|

2018

|

nr 59(2)

60-71

W artykule przedstawiono wpływ architektury sieci neuronowej na skuteczność i czas uczenia sieci. Opisano wybrane architektury sieci, algorytm uczenia oraz zaprezentowano wyniki badań potwierdzających znaczący wpływ architektury na sukces uczenia sieci. (abstrakt oryginalny)

18

Typy sztucznych sieci neuronowych używanych jako narzędzie prognozy w procesach zarządzania

75%

Dudzic M.

Studia i Materiały Polskiego Stowarzyszenia Zarządzania Wiedzą

|

2009

|

21

13-20

Celem tego artykułu jest przedstawienie architektur sztucznych sieci neuronowych wykorzystywanych do przewidywania i badania zjawisk ekonomicznych uporządkowanych w czasie. Stanowi ono alternatywą lub rozszerzenie dla klasycznie rozumianej analizy szeregów czasowych i jest obecnie coraz częściej wykorzystywana w procesach predykcji m.in. w zarządzaniu oraz na rynkach kapitałowych. (abstrakt oryginalny)

19

Modelowanie salda migracji dla miasta Poznania z wykorzystaniem sztucznych sieci neuronowych

75%

Gawryluk A., Kulisz M., Komor A.

Rozwój Regionalny i Polityka Regionalna / Instytut Geografii Społeczno-Ekonomicznej i Gospodarki Przestrzennej Uniwersytetu im. Adama Mickiewicza w Poznaniu

|

2022

|

nr 62

87-109

W opracowaniu przeprowadzono modelowanie salda migracji wewnętrznych dla miasta Poznania w zależności od wybranych wskaźników (tj. liczby i powierzchni istniejących mieszkań, liczby izb w mieszkaniu, przeciętnej powierzchni użytkowej mieszkania na 1 osobę, salda migracji wewnętrznych, zmiany liczby ludności na 1000 mieszkańców, liczby ludności ogółem, z podziałem na kobiety i mężczyzn, oraz gęstości zaludnienia na 1 km2) charakteryzujących Miejski Obszar Funkcjonalny Poznania (łącznie 22 gminy) w latach 2005-2020 na podstawie danych statystycznych pochodzących z Banku Danych Lokalnych GUS. Wykazano, że wskaźniki te w istotny sposób wpływają na saldo migracji ludności miasta Poznania, a co za tym idzie - mogą być wykorzystywane do prognozowania salda migracji dla tego miasta. Ponadto opracowano eksperymentalny model sztucznej sieci neuronowej do przewidywania salda migracji dla miasta Poznania na 1 rok oraz na 2 lata do przodu. Stwierdzono, że możliwe jest wykorzystanie sztucznych sieci neuronowych do trafnego prognozowania salda migracji dla Poznania. Otrzymane wyniki potwierdzają utrzymanie się ujemnego salda migracji dla miasta Poznania z tendencją zmniejszania się tego trendu oraz dodatnie saldo migracji w gminach ościennych z tendencją zmniejszania się.(abstrakt oryginalny)

20

Analiza efektywności i predykcja OFE modelem integralnym MH

75%

Hadaś-Dyduch M.

Prace Naukowe / Uniwersytet Ekonomiczny w Katowicach

|

2014

|

Problemy społeczno-ekonomiczne w relacjach międzynarodowych : analiza modelowa rozwoju regionów

164-178

Osoby należące do OFE posiadają jednostki rozrachunkowe zapisane na ich indywidualnych rachunkach prowadzonych przez OFE, których wartość jest wyceniana każdego dnia roboczego na podstawie aktualnej wartości rynkowej aktywów OFE i sumy jednostek rozrachunkowych zapisanych na rachunkach prowadzonych przez dane OFE. OFE inwestuje posiadane środki w instrumenty finansowe dopuszczone przez obowiązujące przepisy i w granicach dopuszczonych limitów. (...) Predykcję jednostek OFE można dokonywać różnymi metodami. W artykule podjęto próbę predykcji na podstawie autorskiego modelu MH, opartego na współczynnikach falkowych transformaty falkowej oraz odwrotnej transformaty falkowej z uwzględnieniem sztucznych sieci neuronowych. (fragment tekstu)